Assalamu'alaikum war wab..
Terkait dengan judul di atas, mungkin beberapa dari teman-teman masih asing dengan istilah pada judul tulisan ini. Tapi tenang, saya akan mencoba untuk membahasnya. Beberapa minggu terakhir, saya sering diberikan pertanyaan oleh beberapa teman-teman yang akan atau sedang dalam penelitian tentang beberapa metode analisis butir aitem untuk sebagai uji kualitas instrumen. Jujur, selama satu semester saya masih berkenalan dan memaksakan diri untuk mendekat pada Teori Respon Butir (
Item Response Theory). Alhasil selama satu semester saya masih belum memahami esensi dari penggunaan ketiga metode tersebut untuk apa. Inilah akibat dari disorientasi makna belajar pada diri saya yang hanya belajar sekedar untuk ujian dan lulus mata kuliah. Setelah itu, sayin' goodbye.
Dengan pemahaman yang separoh ini dan komunikasi saya ketika menjelaskan ternyata masih buat orang bingung bahkan makin bingung, sehingga mendorong saya membuat tulisan ini. Entah kenapa, di dalam kepala saya tiba-tiba timbul hipotesis: tidak ada korelasi antara banyaknya alfabet A di ijazah dengan capaian ilmu seseorang. Ngutip dari buku '
The war of art' karya siapa saya lupa, kalau orang masih merasa engga tau apa-apa dengan yang kamu jelaskan, berarti kamu gagal dalam belajar. Gagal disini bukan berarti teman-teman harus berhenti dan meratapi kesedihan hati, tetapi gagal yang dimaksud adalah teman-teman masih menggunakan cara yang salah dalam belajar.
Oke itu baru prolog yang memang membosankan, padahal sedikit saja yang akan dibahas terkait ketiga metode di atas.
Model Rasch, PCM (
Partial Credit Model), GPCM (
Generalized Partial Credit Model), dan GRM (
Graded Response Model) merupakan model analisis butir dalam uji kualitas instrumen. Untuk bisa menggunakannya, setidaknya harus paham dulu bedanya apa sih. Berikut penjelsannya:
1) Apa bedanya PCM dengan Rasch???
PCM (
Partial Credit Model) merupakan teknik analisis dalam uji kualitas instrumen. Model ini
extend dari model Rasch atau model satu parameter logit (1-PL).
PCM dan Rasch diasumsikan daya beda sama jadi yang dilihat hanya indeks kesukaran setiap kategori dalam satu butir aitem. Perbedaanya yaitu: jika model Rasch hanya bisa pada data dikotomi (
dychotomus) yaitu skor hanya memiliki dua nilai nol (0) dan satu (1). Sedangkan, PCM bisa digunakan untuk data dikotomi dan politomi (
Pholytomus) yaitu skor bernilai tidak hanya nol dan satu.
2) Apa yang dimaksud dengan kategori dalam satu butir aitem?
Kategori dalam butir aitem yang dimaksud adalah pecahan dari skor maksimal dalam satu butir. Misal, soal nomor 1 menghasilkan data politomus dengan skor maksimum 3. Sehingga terdapat 4 macam kategori (n+1) pada soal nomor 1, yang terdiri dari:
- kategori yang mendapat skor 0
- kategori yang mendapat skor 1
- kategori yang mendapat skor 2
- kategori yang mendapat skor 3
3) Apa bedanya PCM dan GPCM???
Jika PCM diasumsikan daya beda sama
jadi yang dilihat hanya indeks kesukaran setiap kategori dalam satu butir aitem, maka lain hal dengan
GPCM (Generalized Partial Credit Model) yang digunakan untuk melihat daya beda dan indeks kesukaran (model 2 parameter logit/ 2-PL). Jadi, bisa dibedakan ya kalau
PCM itu 1-PL, sedangkan
GPCM itu 2-PL. Tentu saja, keduanya sama-sama bisa digunakan untuk data politomus.
4) Apa bedanya GPCM dan GRM ???
Sebelum membahas perbedaan, sedikit saya akan menjelaskan persamaan dari kedua metode ini yaitu sama-sama merupakan dua parameter logit (2-PL) yaitu
sama-sama dapat digunakan untuk mengestimasi daya beda dan indeks kesukaran. Lalu, dimana perbedaanya???
-
GPCM (Generalized Partial Credit Model),
indeks kesukaran tiap kategori bisa jadi tidak terurut atau indeks kesukaran kategori
k bisa jadi lebih sulit daripada kategori
k+1. Misal, soal dengan rubrik penskoran analitik memiliki bebrapa langkah atau tahap, masing-masing langkah diberi skor 1, bisa jadi langkah pertama lebih sulit dibanding langkah kedua. Atau peluang menjawab benar pada kategori
k lebih tinggi daripada peluang menjawab benar kategori
k-1.
-
GRM (Graded Response Model), dimana
indeks kesukaran tiap kategori terurut, jadi semakin besar kategori maka nilai indeks kesukaran semakin tinggi atau jika dilihat dengan grafik cenderung ke arah kanan. Itu artinya, jika responden bisa menjawab benar langkah selanjutnya maka dipastikan mereka dapat menjawab dengan benar langkah sebelumnya.
- Jika GPCM digunakan untuk instrumen tes (kognitif) maka GRM lebih tepat digunakan untuk instrumen angket atau lembar observasi (afektif).
Sekian penjelasan yang semoga jelas ini dan paling tidak sedikit membantu teman-teman dimanapun berada. Silahkan bertanya, memberi kritik dan saran di kolom komentar dengan adab yang baik tentunya. Jika dirasa dapat membantu teman-temannya yang lain, silahkan di share atau dibagikan. Semoga yang membagikan juga ikut mengalir pahala kebaikan didalamnya.
Tulisan ini akan di update sewaktu-waktu, karena menurut saya belajar itu sifatnya dinamis bukan statis jadi ilmu yang saya dapatkan hari ini mungkin belum lengkap dengan pemahaman yang masih seperdua atau separoh hehe. Justru pertanyaan, kritik dan saran dari teman-teman yang membuat saya semakin semangat dalam menulis dan terus dinamis.
**Jika ada konteks selain diatas yang masih berhubungan dengan metode penelitian atau pengukuran silahkan isi di kolom komentar, dan akan dipertimbangkan untuk tulisan selanjutnya hehe
Wassalamu'alaikum war wab...
Resource:
Retnawati Heri. 2014. Teori Respon Butir dan Penerapannya.
Hambleton dan Swaminathan. 1991.
Fundamentals of Item Response Theory.
